一种机器人运动控制方法及系统

本发明公开了一种机器人运动控制方法及系统，方法通过采集机器人当前状态信息，将其输入到包含状态编码器、环境动力学模型、奖励模型、策略网络和价值网络的BMPC模型中。状态信息经编码后，通过策略网络选取一部分候选动作序列，从高斯分布中采样一部分候选动作序列，环境动力学模型预测所有候选动作序列的未来状态，奖励模型则预测这些状态的奖励值。再根据奖励值计算所有动作序列的累积奖励，通过累积奖励最高的动作序列更新高斯分布的参数，多次采样迭代后，选择累积奖励最高的动作序列的首个动作作为当前控制动作，同时记录为专家策略。机器人执行该动作后，重复上述步骤直至完成预设任务；提高了机器人在连续运动控制任务中的效率与性能。